如何测试人工智能数据中心网络

获取报价

查看解决方案简介

+ 800GE 流量仿真器

再现人工智能工作负载的真实网络行为

对人工智能/机器学习（AI/ML）集群架构进行基准测试时，通常需要投入配备GPU和远程直接内存访问（RDMA）网络接口控制器（NIC）的计算系统，其构建和运营成本高昂且耗时。为实现AI网络的全面优化，必须在实验室环境中部署并运行这些系统，以支持太比特级别的验证与实验。要对AI网络进行恰当的基准测试与验证，需配置集群架构、拥塞控制、工作负载算法、任务数据规模、流量特征及网卡性能等参数。

生成用于网络基准测试的逼真、大规模AI工作负载流量，需要配备预置方法论的RDMA/融合以太网RDMA（RoCEv2）端点仿真器软件，这些方法论支持集体通信模式——包括全对全、全聚合、全收集等多种模式。该软件提供专为AI网络设计的数据负载，可测量关键参数（如任务完成时间、算法及总线带宽），并深入解析网络架构性能。

人工智能数据中心网络测试解决方案

测试人工智能数据中心网络需要网络流量仿真器，以及支持人工智能工作负载的预打包方法论软件。该人工智能数据中心网络测试解决方案包含是德科技AresONE RoCEv2端点仿真器，搭配Keysight AI 中心构建器软件。该方案可重复创建不同数据规模的场景，这些场景源自人工智能集群中的集体通信。AresONE 每个端口AresONE 和RDMA网卡。其流量仿真功能涵盖：模拟队列对(QP)连接与数据流、生成拥塞通知、执行基于数据中心量化拥塞通知(DCQCN)的动态速率控制，并支持灵活测试吞吐量、缓冲区管理及等成本多路径(ECMP)哈希算法。借助该方案，工程师可在实验室或预发布环境中设计优化方案、进行基准测试，并将结果应用于生产环境，无需在实验室配备专用AI计算节点和网卡。

获取报价